Google.org 向 12 家致力解決全球挑戰的組織頒發 2,000 萬美元「AI for Science」基金

Google.org 投入 2,000 萬美元利用人工智慧（AI）加速科學突破

Google.org 宣布成立 2,000 萬美元的科學 AI 基金（AI for Science fund），這是在縮短人工智慧（AI）與實際科學應用之間差距方面邁出的重要一步。該計畫已向 12 個多元化的組織提供資助——涵蓋學術機構、非營利組織和新創公司——其任務是應用 AI 來解決人類在健康、農業和永續發展領域面臨的一些最複雜挑戰。

這筆資金在關鍵時刻到位。當抗藥性、氣候變遷（climate change）和糧食安全等全球性危機的複雜性正在加速之際，傳統的科學發現速度往往難以跟上。Google.org 的這項計畫旨在透過為研究人員提供所需的財政和技術資源，將數十年的研究壓縮到數年內，從而扭轉這一趨勢。

科學資助的新範式

該基金背後的核心哲學是高級 AI 工具的民主化。Google.org 並非將先進模型侷限在大型科技（Big Tech）公司的實驗室內，而是授權外部領域專家將這些工具應用於其特定領域。

Maggie Johnson，Google.org 副總裁兼全球負責人強調，入選的團隊所做的不僅僅是數據處理。他們正在部署 AI 來消除科學研究中的重大障礙，從理論模型轉向現實世界的解決方案。至關重要的是，該基金帶有 開放科學（Open Science） 的使命。所有 12 個受資助機構都承諾將其數據集和解決方案公開，確保一個實驗室的突破可以催化整個全球科學界的進步。

12 個獲獎機構：繪製科學的未來

獲獎機構是根據其在合理時間範圍內實現可衡量突破的潛力而選出的。他們的項目從繪製食物的「暗物質」圖譜到自主機器人實驗室。

以下是組織及其受資助計畫的完整名單：

科學 AI 基金（AI for Science Fund）受資助者細目

組織	關注領域	項目描述
UW Medicine	健康與基因組學	利用 Fiber-seq 技術和 AI 繪製人類基因組中 99% 仍充滿神祕的部分，特別針對罕見疾病的遺傳根源。
Spore.Bio	微生物學	開發一款 AI 驅動的掃描儀，可在不到一小時內檢測出抗藥性細菌，而這一過程傳統上需要數天時間。
The Sainsbury Laboratory	農業	啟動「Bifrost」計畫，利用 AlphaFold3 預測植物免疫受體與病原體的相互作用，以加速抗病作物的育種。
Technical University of Munich	醫學	構建一個連接單個細胞到整個器官的多尺度基礎模型，允許臨床醫生以數位化方式模擬疾病進程。
The University of Liverpool	材料科學	開創一種「群體智慧（Hive Mind）」方法，由自主機器人、人類科學家和 AI 代理協作，以發現新的碳捕集材料。
Innovative Genomics Institute	氣候與農業	解碼牛的微生物群，以識別可以透過編輯來顯著減少牲畜甲烷排放的細菌相互作用。
Cedars-Sinai Medical Center	神經科學	建立 BAN-map，這是一款即時分析神經數據（neural data）的 AI 工具，用以解碼思想和記憶形成的機制。
Periodic Table of Food Initiative	營養學	繪製食物中的「暗物質」——決定營養品質的數千種未知分子——以實現更健康的飲食設計。
The Rockefeller University	生物多樣性	利用 AI 自動化徹底改革基因組定序，為 180 萬種物種產生高品質的基因組藍圖。
UNEP-WCMC	自然保護	使用大型語言模型（LLMs）掃描數百萬條記錄，為 35 萬種植物創建分佈圖，填補關鍵的數據空白。
Swiss Plasma Center (EPFL)	能源	標準化全球核融合能源數據，讓 AI 模型從集體實驗中學習，加速商用核融合發電的進程。
Infectious Disease Institute	公共衛生	利用「EVE」框架和 AlphaFold 預測烏干達瘧原蟲的演化並識別藥物抗性模式。

醫療保健轉型：從反應到預測

該基金的很大一部分致力於將重點從反應性治療轉向預測性預防，從而徹底改變醫療保健。位於烏干達馬凱雷雷大學的 Infectious Disease Institute 因其直接應用 DeepMind 的 AlphaFold 技術而脫穎而出。透過預測瘧原蟲如何演化，該研究所旨在領先藥物抗性一步，這對非洲衛生系統來說是一項關鍵能力。

同樣，Spore.Bio 代表了 AI 的即時臨床影響。他們的技術解決了醫院環境中關鍵的時間窗口問題，在該環境中，快速識別病原體可能是生存與死亡的區別。透過將細菌檢測時間從數天縮短到數分鐘，他們展示了計算機視覺和機器學習如何使微生物學現代化。

永續發展與「群體智慧」

除了醫療保健，該基金還應對生存環境威脅。The University of Liverpool 正在重新定義科學方法本身。他們的「群體智慧（Hive Mind）」項目將自主移動機器人與 AI 代理相結合。該系統允許 24/7 全天候實驗，快速迭代材料組合，以找到碳捕集的最佳解決方案。這代表了向「自動駕駛實驗室」的轉變，其中 AI 引導物理實驗過程。

在農業領域，加州大學柏克萊分校的 Innovative Genomics Institute 正在微觀層面應對氣候變遷。透過使用 AI 解碼牛的微生物群，他們旨在減少牲畜的甲烷排放量（全球溫室氣體的主要來源），同時不破壞全球糧食供應。

開放科學在未來發現中的角色

這項計畫與標準企業資助的不同之處在於對 開放科學（Open Science） 的要求。透過強制要求共享數據集和模型，Google.org 正在押注於乘數效應。例如，由 The Rockefeller University 生成的基因組藍圖或由 Swiss Plasma Center 標準化的核融合數據，將成為全球研究人員的基礎資源，有可能推動遠遠超出原始資助範圍的發現。

這種方法符合 AI 行業的大趨勢，即價值正在從專有演算法轉向高品質、特定領域的數據。透過資助這些數據集的創建和組織——無論是植物分佈圖還是神經活動日誌——Google.org 正在為下一代更準確、更專業且更具影響力的 AI 模型奠定基礎設施。

隨著這 12 個組織開始工作，他們將作為一個更大假設的測試案例：即 AI 可以有效地重新啟動科學進步的引擎。如果成功，這些項目將證明解決世界「不可能」問題的路徑在於人類智慧與人工智慧之間的協作。